您当前的位置:首页 > 详细浏览

文献详情

基于代价敏感集成极限学习机的文本分类方法

内容摘要

加权极限学习机对不同类别的样本赋予不同的权值,在一定程度上提高了分类准确 率,但加权极限学习机只考虑了不同类别样本之间差异,忽视了样本噪声和同类样本之间的 差异。本文提出了一种基于文本类别信息熵的极限学习机集成方法,该方法以Adaboost.M1 为算法框架,通过文本的类内分布熵和类间分布熵生成文本类别信息熵,由文本类别信息熵 构造代价敏感矩阵,把代价敏感极限学习机集成到Adaboost.M1 框架中。实验结果表明,该 方法与其他类型的极限学习机相比较有更好的准确性和泛化性。
点击下载全文 评论 点击量:238 下载量:97
推荐引用方式: 李明,肖培伦,张矩,顾心盟.基于代价敏感集成极限学习机的文本分类方法.[ChinaXiv:201809.00191] (点此复制)
版本历史
[V1] 2018-09-27 17:51:28 chinaXiv:201809.00191V1 下载全文
相关论文推荐

点击下载全文

当前浏览

更改浏览

跨类浏览

  • - 暂无